×
石美凤；廖欣；陈元

一种求解函数分布约束优化问题的双种群搜索差分进化算法。 （英语） Zbl 07618986号

安。数学。Artif公司。智力。 第10号，第90页，1055-1078页（2022）.
摘要：功能分布式约束优化问题（F-DCOP）是多智能体系统建模中连续变量的约束处理框架。在过去的几年中，研究人员提出了许多性能优异的F-DCOP求解算法。尽管如此，现有的F-DCOP求解算法仍存在一些不足，如缺乏任何时间特性、约束代价函数的局限性以及无法保证收敛性。为了解决这些问题，我们提出了一种用于F-DCOP的双种群搜索差分进化算法（DSDE-FD）。首先，我们分别为局部搜索和全局搜索设计了双种群，以平衡探索和开发。其次，针对局部和全局种群设计了特定的变异算子。最后，设计了自适应种群规模以平衡计算开销和搜索能力。证明了该算法是一种任意时刻的算法，具有全局收敛性。基于四类基准问题进行的大量实验表明，该算法优于最新的F-DCOP求解算法。

MSC公司：

68泰克 人工智能

关键词：

F-DCOP；双重人口；差异演化；变异算子
PDF格式BibTeX公司 XML格式引用
\textit{M.Shi}等人，《数学年鉴》。Artif公司。智力。90，第10号，1055--1078（2022；Zbl 07618986）
全文： 内政部

参考文献：

[1] 艾伦，RL；Fabrício，E。；JeanPaul，AB，《分布式约束优化问题：回顾与展望》，专家系统。申请。，41, 11, 5139-5157 (2014) ·doi:10.1016/j.eswa.2014.02.039
[2] Maheswaran，R.，Tambe，M.，Bowring，E.：将dcop引入现实世界：分布式事件调度的高效完整解决方案。2004年7月310-317日在美国纽约举行的第三届自主代理和多代理系统国际会议上提交的论文
[3] Ferdinando，F.，William，Y.，Enrico，P.：具有需求响应的经济调度的分布式约束优化（DCOP）方法。2017年5月999-1007日在巴西圣保罗举行的第十六届国际自主代理和多代理系统会议上提交的论文
[4] Harel，Y.，Roie，Z.：将dcop mst应用于具有方向感测能力的移动机器人团队。2016年5月1357-1358日（2016年）在新加坡举行的第十五届自主代理和多代理系统国际会议上提交的论文
[5] Pierre，R.、Gauthier，P.、Fano，R.：使用消息传递DCOP算法解决节能智能环境配置问题。2016年7月468-474日在美国纽约州纽约市第25届国际人工智能联合会议上提交的论文
[6] Katsutoshi，H.，Makoto，Y.：分布式部分约束满足问题。1997年10月222-236日在奥地利林茨举行的第三届约束编程原理与实践国际会议上提交的论文
[7] 布拉格，JM；魏敏，S。；Milind，T.，采用：具有质量保证的异步分布式约束优化，Artif。智力。，161，1-2149-180（2005年）·兹比尔1132.68706 ·doi:10.1016/j.artint.2004.09.003
[8] Adrian，P.，Boi，F.：多智能体约束优化的可扩展方法。在第19届国际人工智能联合会议上发表的论文，2005年7月266-271日，英国苏格兰爱丁堡
[9] Omer，L。；Amnon，M.，《DCOP和ADCOP的伪树向前边界》，Artif。智力。，252, 83-99 (2017) ·Zbl 1419.68097号 ·doi:10.1016/j.artint.2017.07.003
[10] 魏雄，Z。；西广东。；Zhao，X.，分布式随机搜索和分布式突破：传感器网络中约束优化问题的特性、比较和应用，Artif。智力。，161, 1-2, 55-87 (2005) ·Zbl 1132.68718号
[11] Maheswaran，R.，Jonathan，P P，Milind，T.：DCOP的分布式算法：基于图形游戏的方法。2004年8月432-439日在美国加利福尼亚州旧金山举行的第17届并行和分布式计算系统国际会议上提交的论文
[12] Md，M K，Long，T T，Nicholas，R J：协作多智能体系统中基于gdl的DCOP算法的通用域修剪技术。在2018年7月（2018年）1595-1603日于瑞典斯德哥尔摩举行的第17届自主代理和多代理系统国际会议上提交的论文
[13] Cornelis，J.，Przemyslaw，P.：Cocoa:局部搜索（A）DCOP解算器的非迭代方法。2017年2月（2017年）3944-3950日在美国加利福尼亚州旧金山举行的第31届AAAI人工智能会议上提交的论文
[14] Saaduddin，M.，Moumta，C.，Md，M K:AED：一种随时进化的DCOP算法。2020年5月825-833日在新西兰奥克兰旧金山举行的第19届自治代理和多代理系统国际会议上提交的论文
[15] Saaduddin，M.，Md，M K，Moumta，C.：学习求解混合整数函数型dcop的最佳温度区域。2020年7月268-275日在日本横滨举行的第29届国际人工智能联合会议上提交的论文
[16] Ziyu，C.，Tengfei，W.，Yanchen，D.：解决分布式约束优化问题的基于蚂蚁的算法。2018年2月4654-4661日在美国路易斯安那州新奥尔良举行的第32届AAAI人工智能会议上提交的论文
[17] Ruben，S.、Alessandro，F.、Alex，R.：使用max-sum算法对连续值控制参数进行分散协调。2009年5月601-608日在匈牙利布达佩斯举行的第八届自主代理和多代理系统国际会议上提交的论文
[18] Thomas，V.，Ruben，S.，Alex，R.：分散协调的混合连续最大和算法。2010年8月61-66日在葡萄牙里斯本举行的第19届欧洲人工智能会议上提交的论文·Zbl 1211.68456号
[19] Khoi，D H，William，Y.，Makoto，Y.：连续分布约束优化问题的新算法。2020年5月502-510日在新西兰奥克兰举行的第19届自主代理和多代理系统国际会议上提交的论文
[20] Moumta，C.，Saaduddin，M.，Md，M K:基于粒子群的函数分布式约束优化算法。2020年2月7111-7118日在美国纽约州纽约市第34届AAAI人工智能会议上提交的论文
[21] Amit，S.，Moumita，C.，Md，M K：一种基于局部搜索的方法来解决连续dcop。2021年5月1127-1135日（2021年）在英国举行的第20届国际自治代理和多代理系统会议上提交的论文
[22] Rainer，S。；Kenneth，VP，差分进化-一种简单有效的启发式算法，用于连续空间上的全局优化，J.Glob。最佳。，11, 4, 341-359 (1997) ·Zbl 0888.90135号 ·doi:10.1023/A：1008202821328
[23] Ziyu，C。；李珍，L。；Jingyuan，H.，基于遗传算法的分布式约束优化问题局部搜索算法框架，Auton。多重代理。代理系统。，34, 2, 1387-2532 (2020)
[24] Ziyu，C。；Zhen，H。；Chen，H.，基于广度优先搜索伪树的分布式约束优化改进DPOP算法，Artif。智力。，47, 3, 607-623 (2007)
[25] 阿尔伯特·R。；Barabasi，AL，《复杂网络的统计力学》，修订版。物理。，74, 1, 47-97 (2002) ·Zbl 1205.82086号 ·doi:10.1103/RevModPhys.74.47
[26] 瓦茨，DJ；Strogatz，S.，“小世界”网络的集体动力学，《自然》，393，6684，440-442（1998）·Zbl 1368.05139号 ·doi:10.1038/30918
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。